TanStack 出 AI SDK 了。
如果你对 TanStack 这个名字不熟悉，但一定用过 TanStack Query（前身 React Query）或者 TanStack Table。Tanner Linsley 带队的这个项目，在前端数据层几乎成了事实标准。
现在他们把同样的思路搬到了 AI 上：跨框架、跨模型、跨语言。
做了什么
TanStack AI（目前 alpha 阶段，2.6K Star）的核心思路很简单——AI 供应商的接口太碎片化了，每个模型有自己的 SDK、自己的流式处理方式、自己的错误格式。开发者如果想换模型，几乎要重写整个 AI 层。
TanStack AI 想做一个统一的抽象层。你在应用里写一套代码，底层可以对接 OpenAI、Anthropic、Google 或者任何兼容的模型服务。
具体来说，它提供了：
- 统一的流式响应接口：不管底层是哪个模型，你的前端代码拿到的数据结构是一样的
- 跨框架支持：React、Vue、Svelte、Solid 都有对应的 bindings
- 多语言服务：不只是前端 SDK，后端路由和服务层也覆盖
- AImock 测试基础设施：给 AI 功能写 E2E 测试，不用每次真的调 API
为什么值得关注
TanStack 团队做开源项目的风格是：API 设计极其严谨，类型安全做到极致。TanStack Query 的 TypeScript 类型系统在社区里是出了名的"虽然复杂但用上了就回不去"。
如果 TanStack AI 能把同样的严谨度带到 AI SDK 领域，那对开发者来说是个好消息。目前前端生态里的 AI 集成方案（比如 Vercel AI SDK）虽然好用，但在跨模型兼容性和类型安全上还有提升空间。
另外一点：TanStack AI 的仓库里有一个 .claude 目录——他们自己就在用 Claude Code 开发这个项目。这本身就是一个信号：前端工具链团队已经开始把 AI coding agent 纳入日常开发流程了。
但要冷静
Alpha 阶段，2.6K Star，347 个 commit。项目是活的，但离生产可用还有距离。
"框架无关"这个口号听着很美，但现实是每个框架的 AI 集成需求差异很大。React 需要 hooks，Vue 需要 composables，Svelte 需要 runes——一套 API 要适配这么多范式，复杂度不低。
而且 Vercel AI SDK 已经在这个赛道跑了很久了。TanStack 的优势在于社区信任度和 API 设计能力，但在 AI 领域的积累还是从零开始。
我的判断：值得关注，但别急着迁移。等它出了 1.0 版本，看看真实项目里的表现再说。
主要来源：